app.py

import shlex
import subprocess

subprocess.run(shlex.split("pip install pip==24.0"), check=True)
subprocess.run(
    shlex.split(
        "pip install package/onnxruntime_gpu-1.17.0-cp310-cp310-manylinux_2_28_x86_64.whl --force-reinstall --no-deps"
    ), check=True
)
subprocess.run(
    shlex.split(
        "pip install package/nvdiffrast-0.3.1.torch-cp310-cp310-linux_x86_64.whl --force-reinstall --no-deps"
    ), check=True
)

# 모델 체크포인트 다운로드 및 torch 설정
if __name__ == "__main__":
    from huggingface_hub import snapshot_download

    snapshot_download("public-data/Unique3D", repo_type="model", local_dir="./ckpt")

    import os
    import sys
    sys.path.append(os.curdir)
    import torch
    torch.set_float32_matmul_precision('medium')
    torch.backends.cuda.matmul.allow_tf32 = True
    torch.set_grad_enabled(False)

import fire
import gradio as gr
from gradio_app.gradio_3dgen import create_ui as create_3d_ui
from gradio_app.all_models import model_zoo

# ===============================
# Text-to-IMAGE 관련 API 함수 정의
# ===============================
def text_to_image(height, width, steps, scales, prompt, seed):
    """
    주어진 파라미터를 이용해 외부 API (http://211.233.58.201:7971/)의
    /process_and_save_image 엔드포인트를 호출하여 이미지를 생성한다.
    """
    from gradio_client import Client
    client = Client("http://211.233.58.201:7971/")
    result = client.predict(
        height,
        width,
        steps,
        scales,
        prompt,
        seed,
        api_name="/process_and_save_image"
    )
    # API 응답은 dict 형태이며, "url" 혹은 "path"에 생성된 이미지 정보가 있다.
    # 여기서는 "url" 값을 반환하도록 한다.
    return result.get("url", None)

def update_random_seed():
    """
    외부 API의 /update_random_seed 엔드포인트를 호출하여
    새로운 랜덤 시드 값을 가져온다.
    """
    from gradio_client import Client
    client = Client("http://211.233.58.201:7971/")
    return client.predict(api_name="/update_random_seed")

# ===============================
# UI 타이틀 및 설명
# ===============================
_TITLE = '''Text to 3D & Image Generation'''
_DESCRIPTION = '''
Text를 이용하여 3D 모델과 이미지를 생성할 수 있습니다.
왼쪽 탭은 3D 모델 생성을, 오른쪽 탭은 이미지 생성을 담당합니다.
'''

def launch():
    # 3D 모델 초기화
    model_zoo.init_models()
    
    # Gradio Blocks 생성 (두 탭 포함)
    with gr.Blocks(title=_TITLE) as demo:
        with gr.Row():
            gr.Markdown('# ' + _TITLE)
        gr.Markdown(_DESCRIPTION)
        
        # 탭 생성: 기존의 Text-to-3D와 새로 추가한 Text-to-IMAGE
        with gr.Tabs():
            with gr.Tab("Text to 3D"):
                create_3d_ui("wkl")
                
            with gr.Tab("Text to IMAGE"):
                # 이미지 생성을 위한 파라미터 입력 컴포넌트 구성
                with gr.Row():
                    height_slider = gr.Slider(label="Height", minimum=256, maximum=2048, step=1, value=1024)
                    width_slider = gr.Slider(label="Width", minimum=256, maximum=2048, step=1, value=1024)
                with gr.Row():
                    steps_slider = gr.Slider(label="Inference Steps", minimum=1, maximum=100, step=1, value=8)
                    scales_slider = gr.Slider(label="Guidance Scale", minimum=1.0, maximum=10.0, step=0.1, value=3.5)
                prompt_text = gr.Textbox(label="Image Description", placeholder="Enter prompt here", lines=2)
                seed_number = gr.Number(label="Seed (optional, leave empty for random)", value=None)
                
                # 'Update Random Seed' 버튼을 누르면 API를 통해 새로운 시드값을 받아 입력란 업데이트
                update_seed_button = gr.Button("Update Random Seed")
                update_seed_button.click(fn=update_random_seed, inputs=[], outputs=seed_number)
                
                generate_button = gr.Button("Generate Image")
                image_output = gr.Image(label="Generated Image")
                
                # 'Generate Image' 버튼 클릭 시 text_to_image 함수를 호출하여 결과 이미지를 출력
                generate_button.click(
                    fn=text_to_image,
                    inputs=[height_slider, width_slider, steps_slider, scales_slider, prompt_text, seed_number],
                    outputs=image_output
                )
                
    demo.queue().launch(share=True)
    
if __name__ == '__main__':
    fire.Fire(launch)